技术文章

YOLO（You Only Look Once）是一种流行的用于对象检测的开源神经网络模型。在这篇文章中，我们将解释如何使用 YOLO 提取一堆人（或至少一个人）的图像。 首先，我…

人类语音是极富表现力的，包括语调、重读、风格、情感的各种表达。表现力语音合成（Expressive Speech Synthesis）的目标就是准确的表达出语音中的各种表现力因素。…

本文整理自 2022 年 12 月的智算峰会 · 智算技术分论坛上的同名主题分享。边缘计算正在向分布式云演进，百度智能云如何构建云边端一体的分布式云架构，其中的关键路径、技术挑战、…

在周围环境中定位声音的能力是人耳的一个显着特征。通常，听力良好的人使用双耳来检测和解释听觉线索。每只耳朵的声音响度或到达时间的差异为我们提供了有关声源位置和方向的重要信息。然而有趣…

什么是延迟？ 简单来说： 延迟或滞后就是延迟。 当你进行流媒体直播时，你正在捕捉视频并通过互联网广播给你的观众。 延迟是指在下列情况下的时间量： 你的相机记录你的视频 和你的观众能…

一、概述 本文先介绍了5G环境下用户注册管理流程中的初始化注册场景，再基于该场景中的注册过程，分析了其可能存在的两个威胁场景，在UERANSIM+free5gc的模拟环境中进行了复…

在 WebRTC.ventures，我们总是说，“唯一比构建 WebRTC 应用程序更难的是测试它。” 为什么这是真的？这篇文章详细介绍了 QA 测试人员在测试 WebRTC 应用…

什么是Nuxt.js Nuxt.js是通用的VUE的一个SSR框架（服务器端渲染）。官方介绍是通过对客户端/服务端基础框架的抽象组织，Nuxt.js主要关注的应用的UI渲染。 什么…

编者按：随着Google Cloud等基础设施更加成熟，通过使用更加廉价的竞价实例，可以大幅的降低成本。通过开发新的基础设施管理平台——Falkor，Vimeo的运营成本也大幅降低…

实时通信 (RTC) 在我们的日常生活中变得不可或缺，诸如腾讯会议在内的语音RTC应用已经成为我们日常使用的在线交流工具。然而在通话过程中，语音质量受到背景噪声、混响、干扰说话人等…

1 场景分析 在IM系统中，核心事件都是围绕着“聊天”这个主题展开的，在聊天的过程中，获悉用户的需求，再通过系统集成的各种工具，帮助用户完成诉求；“聊天”在IM业务中就是“会话消息…

摘要：研究基于OTN网络进行算力接入时延圈绘制展示的方法并在现网部署。算网大脑通过向OTN控制器查询获取以指定机房为中心，小于等于指定时延指标的所有机房节点的信息。基于这些节点的地…

研究背景：随着网络科技的不断进步，短视频的个性化推荐，会议的录音记录等相关的音频信息在我们的生活中扮演着越来越重要的作用。如何能在海量的语音信息中，准确的进行语音信息的分类和定位，…

之前的文章中提到过，安卓等移动端APP在采集音视频数据时，需要打开本地摄像头和麦克风设备。同理，桌面端应用程序在采集音视频数据时也需要依赖本地的音视频设备，今天本文的主要内容就是讨…

自然语言处理 (NLP) 是与机器和我们之间交流的核心，NLP 研究领域长期以来一直在寻求产生人类质量的语言，确定用于衡量 NLP 生成的语言质量的信息标准将支持开发更好的 NLP…

上一篇文章讲解了GIF格式基本内容，本文进行gif的代码分析。主要参考FFMPEG 5.0 中相关代码逻辑，一方面FFMPEG集成度比较高，通用性好，对于学习理论有更好的适用性；另…

本文为Vukan学习系列的第三篇文章，主要内容为在Mac端搭载Vulkan的开发环境。 后续的内容都是先基于Mac开发，系列内容讲解完毕后再迁移到Android平台。 首先确保Ma…

1. Vulkan起源和历史 1.1 AMD Mantle 2013年，AMD主导开发了Mantle。Mantle是面向3D游戏的新一代图形渲染 API，可以让开发人员直接操作GP…

前文中我简单介绍了AV1视频编码标准里的参考帧，今天就接着继续来谈谈其中的ARF和对应的Overlay Frame。 ARF是Alternative Reference …

近年来，我们见证了深度神经网络在图像修复方面的重大进展。然而，关键局限性在于其仅能拟合相关性，无法很好地适应不同程度或类型的真实场景退化。本文从因果学习的全新角度建模分析图像修复，…